エージェントRLのデータスケーリング則を探る
原題 How Data Scales in Agentic Reinforcement Learning: Laws and Synthesis Strategies
事前学習のスケーリング則はデータをトークン数という一次元で扱う。エージェント強化学習もこの発想を引き継ぐが、現代の合成パイプラインはそれより多面的なデータを作る。論文は多次元のデータ則と合成戦略を検討する。
論点
エージェント性能は結局データ量で決まるのか
- コメントを読み込み中…
議論のヒントを見る
賛成側の視点
事前学習と同じで、量と多様性を増やせば伸びる。スケール則を信じて合成データを回せ。反対側の視点
量より環境とタスク設計の質だ。水増しした合成データは、ただ同じ失敗を増やすだけだ。
みんなのコメント 件
コメントを書く